文档帮助中心文档
从检测报告中创建恒定的转速跟踪粒子过滤器
pf = initctpf(检测)
例子
pf= initctpf (检测)所提供的信息初始化用于目标跟踪的恒定转动率粒子滤波器objectDetection对象,检测.
pf= initctpf (检测)
pf
检测
objectDetection
该函数初始化一个恒定的周转速率状态,其约定与constturn和ctmeas, (x;vx;y;vy;ω;z;vz),ω周转周期。
constturn
ctmeas
全部折叠
创建一个固定的转身率跟踪粒子过滤器对象,trackingPF的初步检测报告。检测报告是由粒子滤波状态的初始三维位置测量在直角坐标。你可以通过恒转率测量功能获得三维位置测量,ctmeas.
trackingPF
这个例子使用了坐标,X = 1, y = 3, z = 0和三维位置测量噪声0.2 [1 0;0.2 - 2 0;0 0 1].
X = 1, y = 3, z = 0
0.2 [1 0;0.2 - 2 0;0 0 1]
检测= objectDetection(0, [1;3;0]),“MeasurementNoise”, [1 0.2 0;0.2 - 2 0;0 0 1);
使用initctpf创建一个trackingPF在给定位置初始化滤波器,并使用上述定义的测量噪声。
initctpf
pf = trackingPF属性:状态:[7⨯1双]StateCovariance:[7⨯7双]IsStateVariableCircular: [0 0 0 0 0 0 0] StateTransitionFcn: @constturn ProcessNoiseSamplingFcn: [] ProcessNoise: [4 x4双]HasAdditiveProcessNoise: 0 MeasurementFcn: @ctmeas MeasurementLikelihoodFcn: [] MeasurementNoise: [3 x3双]粒子:[7x1000 double] weight: [1x1000 double] ResamplingPolicy: [1x1 trackingResamplingPolicy] ResamplingMethod: 'multinomial'
检查状态值和测量噪声。验证过滤器状态,pf.State,其位置分量与检测测量,检测。测量.
pf.State
检测。测量
ans =7×10.9674 0.3690 3.0471 0.2733 0.3056 -0.0590 0.0382
验证滤波器测量噪声,pf.MeasurementNoise,与检测。MeasurementNoise值。
pf.MeasurementNoise
检测。MeasurementNoise
ans =3×31.0000 0.2000 0 0.2000 2.0000 000 1.0000
创建一个固定的转身率跟踪粒子过滤器对象,trackingPF的初步检测报告。检测报告是由粒子滤波状态的初始三维位置测量球坐标。可以通过恒转率测量功能获得三维位置测量,ctmeas.
这个例子使用了坐标az= 30 e1 = 5 r = 100 rr = 4测量噪声Diag ([2.5, 2.5, 0.5, 1].^2).
= 30 e1 = 5 r = 100 rr = 4
Diag ([2.5, 2.5, 0.5, 1].^2)
量= (30;5;100;4);measNoise = diag([2.5, 2.5, 0.5, 1].^2);
使用MeasurementParameters财产的检测对象来定义框架。类的字段未定义时MeasurementParameters结构使用默认值。在本例中,传感器位置、传感器速度、方向、仰角和距离速率标志为默认值。
MeasurementParameters
measParams =结构(“帧”,“球”);检测= objectDetection(0,量,“MeasurementNoise”measNoise,...“MeasurementParameters”measParams)
检测= objectDetection with properties: Time: 0 Measurement: [4x1 double] MeasurementNoise: [4x4 double] SensorIndex: 1 ObjectClassID: 0 Measurement parameters: [1x1 struct] ObjectAttributes: {}
pf = trackingPF属性:状态:[7⨯1双]StateCovariance:[7⨯7双]IsStateVariableCircular: [0 0 0 0 0 0 0] StateTransitionFcn: @constturn ProcessNoiseSamplingFcn: [] ProcessNoise: [4 x4双]HasAdditiveProcessNoise: 0 MeasurementFcn: @ctmeas MeasurementLikelihoodFcn: [] MeasurementNoise: [4 x4双]粒子:[7x1000 double] weight: [1x1000 double] ResamplingPolicy: [1x1 trackingResamplingPolicy] ResamplingMethod: 'multinomial'
验证过滤器状态产生的测量值与检测。测量.
meas2 = ctmeas (pf。状态,detection.MeasurementParameters)
meas2 =4×129.9188 5.0976 99.8303 4.0255
检测报告,指定为objectDetection对象。
例子:检测= objectDetection(0,[1;4.5;3],'MeasurementNoise', [1.0 0 0;2.0 0 0;0 0 1.5])
检测= objectDetection(0,[1;4.5;3],'MeasurementNoise', [1.0 0 0;2.0 0 0;0 0 1.5])
用于目标跟踪的恒定转动速率粒子滤波器,返回为trackingPF对象。
该功能配置1000个粒子的过滤器。在创建滤波器时,该函数计算过程噪声矩阵,假设单位加速度标准差和单位角加速度标准差。
你可以用这个函数FilterInitializationFcn的属性trackerTOMHT和trackerGNN系统对象。
FilterInitializationFcn
trackerTOMHT
trackerGNN
initcapf
initctckf
initctekf
initctukf
initcvpf
trackingEKF
trackingKF
trackingUKF
您有这个示例的一个修改版本。要用编辑打开这个例子吗?
您点击了一个对应于这个MATLAB命令的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站来获得可用的翻译内容,并看到当地的活动和提供。根据您所在的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。
与当地办事处联系